| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-19页 |
| 1.1 论文选题背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.4 论文的结构安排 | 第18-19页 |
| 2 相关理论基础与技术 | 第19-26页 |
| 2.1 瓦斯涌出机理 | 第19页 |
| 2.2 神经网络算法 | 第19-24页 |
| 2.2.1 神经网络算法概述 | 第19-21页 |
| 2.2.2 BP神经网络算法 | 第21-22页 |
| 2.2.3 Matlab神经网络工具箱 | 第22-24页 |
| 2.3 主成分分析法 | 第24-26页 |
| 3 基于主成分分析的BP神经网络矿井瓦斯涌出量预测模型 | 第26-39页 |
| 3.1 瓦斯涌出量影响因素及预测特点分析 | 第26-29页 |
| 3.1.1 瓦斯涌出量影响因素 | 第26-28页 |
| 3.1.2 瓦斯涌出量预测特点分析 | 第28-29页 |
| 3.2 BP神经网络在矿井瓦斯涌出量预测中的适用性分析 | 第29-31页 |
| 3.3 目前存在的问题及本文解决思路 | 第31-32页 |
| 3.4 基于主成分分析的BP神经网络瓦斯涌出量预测模型设计 | 第32-39页 |
| 3.4.1 输入量和输出量以及输入层和输出层设计 | 第32-33页 |
| 3.4.2 隐含层设计 | 第33-34页 |
| 3.4.3 传递函数、训练函数以及学习函数设计 | 第34页 |
| 3.4.4 算法流程设计 | 第34-39页 |
| 4 实例仿真与分析 | 第39-56页 |
| 4.1 实例描述 | 第39-40页 |
| 4.2 案例预测模型构建 | 第40-49页 |
| 4.2.1 数据归一化处理 | 第40-42页 |
| 4.2.2 主成分确定 | 第42-46页 |
| 4.2.3 网络相关参数确定 | 第46-48页 |
| 4.2.4 神经网络结构的确定 | 第48-49页 |
| 4.3 自身检验实验方案设计及结果分析 | 第49-53页 |
| 4.3.1 训练次数稳定性验证 | 第49-51页 |
| 4.3.2 隐节点数稳定性验证 | 第51-53页 |
| 4.4 对比实验方案设计及结果分析 | 第53-56页 |
| 4.4.1 与BP神经网络对比实验及分析 | 第53-54页 |
| 4.4.2 与RBF神经网络对比实验及分析 | 第54-56页 |
| 5 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第61-63页 |
| 学位论文数据集 | 第63页 |
